人工智能，设计产生式系统，python实现，程序数据分离

写在前面：其实这个实验一开始我连python怎样去操作表格都不知道，只是有一点点的python基础，你这一下让我做一个产生式系统那这不是为难我嘛。经过查网上的代码，我发现，网上所有代码都没有做到程序与数据进行分离，而这是老师要求最严的一点。不过也是，要算直接写死在代码里直接几个if就好了，多简单，难就难在这里了，推理原理其实很简单。

在写代码之前首先要先建立三个表格来存放数据，

二、实验目的及要求：

（1）掌握产生式系统原理。

（2）设计产生式系统结构。

（3）使用Python实现产生式系统。

（4）本实验支撑教学目标2

三、实验设备（环境）及要求

使用Python语言环境；windows系列操作系统环境。

五、实验题目

依据表1、2、3数据，设计产生式系统的数据模型。

表 1 产生式规则

表2 动物特征集合：

表3 动物名称集合：

1.2产生式系统各模块的主要功能

（1）综合数据库

综合数据库（事实数据库）：是一个用来存放与求解问题有关的各种当前信息的数据库。如，问题的初始状态、输入的事实、推理得到的中间结论以及最终结论等

（2）规则库

是一个用来存放与求解问题有关的所有规则的集合，也称规则知识库。包含了将问题从初始状态转换成目标状态所需的所有变换规则。

（3）控制系统（推理机）

由一组程序构成，用来控制整个产生式系统的运行，决定问题求解过程的推理路线、实现对问题的求解。主要包括，初始化综合数据库、选择可用规则、执行选定的规则、决定推理路线、终止推理过程等。

1.3 叙述产生式系统工作原理

（1）从规则库中选择与综合数据库中的已知事实进行匹配。

（2）匹配成功的规则可能不止一条，进行冲突消解。

 （3）执行某一规则时，如果其右部是一个或多个结论，则把这些结论加入到综合数据库中：如果其右部是一个或多个操作，则执行这些操作。

 （4）对于不确定性知识，在执行每一条规则时还要按一定的算法计算结论的不确定性。    

（5）检查综合数据库中是否包含了最终结论，决定是否停止系统的运行。

2．运用Python、Pandas和面向对象技术设计产生式系统推理模型，开发产生式系统。

import pandas as pd

excel_path = 'E:\Tristan\学习资料及辩论赛\大三\人工智能\实验2\特征.xlsx'
excel_path2 = 'E:\Tristan\学习资料及辩论赛\大三\人工智能\实验2\规则.xlsx'
excel_path3 = 'E:\Tristan\学习资料及辩论赛\大三\人工智能\实验2\动物.xlsx'
# 设置列不限制数量,不然会中间有省略号，数据会看不到
pd.set_option('display.max_columns', None)
# 控制台输出的列数超过1000换行，不然数据表格会折回来
pd.set_option('display.width', 1000)
'''
# 设置行不限制数量,不然会中间有省略号，数据会看不到
pd.set_option('display.max_rows',None)
'''
# te = list(range(1, 27, 1))
d3 = pd.read_excel(excel_path3, sheet_name=0)
d2 = pd.read_excel(excel_path2, sheet_name=0)
d = pd.read_excel(excel_path, sheet_name=0)

# d.index = te
print(d)
print(d2)
print(d3)
l3 = d3['动物'].tolist()  # 把动物表格存进list3 里面
'''
把dataframe的某一列转化成列表
'''
# print(l3)
print('''输入对应条件前面的特征码:
                                *******************当输入数字0时!程序结束***************
            ''')

dict1 = dict(zip(d['特征码'], d['特征']))  # 特征数据库字典
'''
zip()可以将两个可迭代对象中的对应元素打包成一个个元组，然后返回这些元组组成的列表
dict()创建字典，可以传入元组列表创建字典，也可以通过zip得到元组列表后来创建字典
'''
print(dict1)
dict2 = d2.to_dict('index')
'''
把规则数据库转化为复合字典，的每一行作为一个字典值。
Dataframe有自带的方法可以将Dataframe转换为字典的格式。但是，这种方法是复合的字典，每一列以dataframe的index为key而不是某一列的值
，每一列的值作为字典的value，然后再将所有的列放在一个字典里面。
'''
#print(dict2)
# 初始化综合数据库

reallist = []
while (1):
    a = int(input("输入特征"))  # 用户从键盘键入事实
    if a < 0 or a > 26:  # 判断是否输入合规
        print("越界！")
        continue
    if a == 0:  # 若输入0则代表事实输入完毕开始推理
        break
    reallist.append(dict1[a])  # 把用户输入的事实放入综合数据库
print("事实：")
print(reallist)

print("规则数据库：")
able = 0 # 标志位
for x in dict2:  # 遍历规则字典每一条规则，x是键名

    ru = []  # 当前规则列表，把这条规则的特征存入ru

    for y in (dict2[x]):  # 提取规则中的每一个特征，y是键名，也就是dataframe的列名

        if y != '结果' and type((dict2[x])[y]) != float:  # 若没有遍历到结果列且值不为空
            ru.append((dict2[x])[y])  # 则完善当前规则列表，把这个特征加入ru当前规则表
        else:
            break  # 否则本条规则录入结束。
    # print(ru)
    if set(reallist).issuperset(set(ru)):  # 如果综合数据库包含当前规则表的特征，则判断推理结果是否在目标动物列表
        # set是生成集合，issuperset() 方法用于判断指定集合的所有元素是否都包含在原始的集合中，如果是则返回 True，否则返回 False。
        # 即判断前一个列表是否包含后一个列表
        if (dict2[x])["结果"] in l3:  # 如果推理结果在目标动物中
            print()
            print("规则", x, "匹配成功", "规则为：", ru, "-->", (dict2[x])["结果"], "前提：", ru, "结论：", (dict2[x])["结果"])
            print("与目标库匹配成功；")
            print("结论是", (dict2[x])["结果"])
            able = 1  # 标志位，置为1表示找到了
            print()
            break


        else:  # 否则
            print()
            reallist.append((dict2[x])["结果"])  # 把结果存入综合数据库
            print("规则", x, "匹配成功", "规则为：", ru, "-->", (dict2[x])["结果"], "前提：", ru, "结论：", (dict2[x])["结果"])
            print("与目标库匹配失败；")
            print("将结果加入综合数据库：", reallist)
            print()
    else:  # 如果综合数据库包不含当前规则表的特征，输出哪个特征不在数据库中

        buzai = [] #存放不在数据库特征的列表
        for z in ru:
            if (z not in reallist):
                buzai.append(z)
        print("规则", x, "不匹配", "规则为：", ru, "-->", (dict2[x])["结果"], " , 前提：", buzai, "综合数据库中没有")
if (able == 0):  #遍历完后若标志位还是0则没有找到目标
    print("无匹配动物！")

	3. 系统运行测试



	使用如下特征验证产生式系统推理。要求输出：推理出的动物名称；使用的每一项推理规则及特征；推理结论集合。



	（1）有羽毛，善飞，不怕风浪，有毛发，吃肉，黄褐色



	推理过程：



	事实：



	['有羽毛', '善飞', '不怕风浪', '有毛发', '食肉动物', '黄褐色']



	规则数据库：



	规则 0 不匹配
规则为： ['有奶'] --> 哺乳动物  , 前提： ['有奶'] 综合数据库中没有



	 



	规则 1 匹配成功
规则为： ['有毛发'] --> 哺乳动物 前提： ['有毛发'] 结论：
哺乳动物



	与目标库匹配失败；



	将结果加入综合数据库： ['有羽毛', '善飞', '不怕风浪', '有毛发', '食肉动物', '黄褐色', '哺乳动物']



	 



	 



	规则 2 匹配成功
规则为： ['有羽毛'] --> 鸟 前提： ['有羽毛'] 结论：
鸟



	与目标库匹配失败；



	将结果加入综合数据库： ['有羽毛', '善飞', '不怕风浪', '有毛发', '食肉动物', '黄褐色', '哺乳动物', '鸟']



	 



	规则 3 不匹配
规则为： ['会飞', '生蛋'] --> 鸟  , 前提： ['会飞', '生蛋'] 综合数据库中没有



	规则 4 不匹配
规则为： ['吃肉', '哺乳动物'] --> 食肉动物  , 前提： ['吃肉'] 综合数据库中没有



	规则 5 不匹配
规则为： ['有爪', '有犬齿', '目盯前方', '哺乳动物'] --> 食肉动物  , 前提： ['有爪', '有犬齿', '目盯前方'] 综合数据库中没有



	规则 6 不匹配
规则为： ['有蹄', '哺乳动物'] --> 有蹄动物  , 前提： ['有蹄'] 综合数据库中没有



	规则 7 不匹配
规则为： ['反刍食物', '有蹄动物'] --> 偶蹄动物  , 前提： ['反刍食物', '有蹄动物'] 综合数据库中没有



	规则 8 不匹配
规则为： ['黄褐色', '黑色条纹', '食肉动物'] --> 老虎  , 前提： ['黑色条纹'] 综合数据库中没有



	规则 9 不匹配
规则为： ['黄褐色', '黑色斑点', '食肉动物'] --> 金钱豹  , 前提： ['黑色斑点'] 综合数据库中没有



	规则 10 不匹配
规则为： ['长腿', '长脖子', '黄褐色', '有蹄动物'] --> 长颈鹿  , 前提： ['长腿', '长脖子', '有蹄动物'] 综合数据库中没有



	规则 11 不匹配
规则为： ['黑白色', '有蹄动物'] --> 斑马  , 前提： ['黑白色', '有蹄动物'] 综合数据库中没有



	规则 12 不匹配
规则为： ['不会飞', '长腿', '长脖子', '鸟'] --> 鸵鸟  , 前提： ['不会飞', '长腿', '长脖子'] 综合数据库中没有



	规则 13 不匹配
规则为： ['不会飞', '会游泳', '黑白色', '鸟'] --> 企鹅  , 前提： ['不会飞', '会游泳', '黑白色'] 综合数据库中没有



	 



	规则 14 匹配成功
规则为： ['善飞', '不怕风浪', '鸟'] --> 海鸥 前提： ['善飞', '不怕风浪', '鸟'] 结论：
海鸥



	与目标库匹配成功；



	结论是 海鸥